23200 पेपर
यह शोध पत्र CAF-Gen को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो उथले तर्क संरचनाओं (shallow argument structures) को समृद्ध, औपचारिक कार्नेडीज़ आर्ग्युमेंटेशन फ्रेमवर्क (CAF) मॉडल्स में स्वचालित रूप से बदलने के लिए एक पुनरावृत्ति क्रिएटर-रिव्यूअर पाइपलाइन का उपयोग करता है, जो प्रभावी रूप से सिंगल-पास जनरेशन विधियों की संरचनात्मक सीमाओं को दूर करता है।
AEGIS फिजिकल AI के लिए एक चयनात्मक एस्केलेशन फ्रेमवर्क है जो एक कमजोर पॉलिसी के प्रक्षेपवक्र (ट्रैजेक्टरी) में उच्च-जोखिम वाले चरणों का पता लगाने के लिए एक हल्के प्रोब का उपयोग करता है और अस्थायी रूप से एक मजबूत पॉलिसी पर स्विच करता है, जो ब्लाइंड या रैंडम एस्केलेशन रणनीतियों की तुलना में लॉन्ग-होरिज़न टास्क रिकवरी दरों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक व्यवहार संबंधी ऑडिट प्रस्तुत करता है जो यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स द्वारा मध्यस्थता वाली आवास खोजों में नस्लीय स्टीयरिंग (racial steering) एक उभरता हुआ व्यवहार है जो मॉडल के स्थिर गुण के बजाय उपयोगकर्ता की पहचान, प्राथमिकता अभिव्यक्ति और शहर-विशिष्ट स्थानिक तर्क के बीच परस्पर क्रिया से प्रेरित है, जिससे निष्पक्ष आवास अनुपालन सुनिश्चित करने के लिए स्थानीय विशेषज्ञता की महत्वपूर्ण आवश्यकता रेखांकित होती है।
यह शोध पत्र OPDLM प्रस्तुत करता है, जो एक डेटा-कुशल ढांचा है जो ऑन-पॉलिसी डिस्टिलेशन के माध्यम से ऑटोरेग्रेसिव लैंग्वेज मॉडल्स को डिफ्यूजन लैंग्वेज मॉडल्स में परिवर्तित करता है, जो प्रभावी रूप से ट्रेन-इन्फरेंस मिसमैच को समाप्त करता है और पूर्व ज्ञान को संरक्षित करते हुए प्रशिक्षण टोकन आवश्यकताओं को 7,000 गुना तक कम करता है।
यह शोधपत्र ShallowBench प्रस्तुत करता है, जो 5,780 उथले-पॉकेट (shallow-pocket) लक्ष्यों का एक क्यूरेटेड बेंचमार्क है, ताकि KRAS और MYC जैसे ऐतिहासिक रूप से "अनड्रगेबल" (undruggable) कम-कौन्केविटी (low-concavity) इंटरफेस के लिए लिगेंड्स डिजाइन करने में वर्तमान जनरेटिव एआई मॉडल्स की सीमाओं का मूल्यांकन और प्रदर्शन किया जा सके।
यह शोध पत्र चार भारतीय भाषाओं में एक BigVGAN-आधारित यूनिट वोकोडर का व्यवस्थित विश्लेषण करता है, जो यह प्रदर्शित करता है कि जहाँ बड़े क्लस्टर आकार क्रॉस-लिंगुअल समानताओं को अलग करके ध्वन्यात्मक बोधगम्यता को बढ़ाते हैं, वहीं पहचान के पतन को रोकने के लिए स्पष्ट वक्ता अनुकूलन (स्पीकर कंडीशनिंग) आवश्यक है और भाषा पर्यवेक्षण मुख्य रूप से छोटे, अधिक अस्पष्ट यूनिट इन्वेंट्री का उपयोग करने पर अतिरिक्त लाभ प्रदान करता है।
यह शोध पत्र OpenSkill को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो LLM एजेंटों को लक्षित-कार्य पर्यवेक्षण (target-task supervision) पर निर्भर रहे बिना, बाहरी संसाधनों से हस्तांतरणीय कौशल और सत्यापन संकेतों को संश्लेषित करके ओपन-वर्ल्ड डिप्लॉयमेंट में स्वायत्त रूप से स्व-विकास (self-evolution) को बूटस्ट्रैप करने में सक्षम बनाता है।
HybridCodec एक एकीकृत न्यूरल ऑडियो कोडेक आर्किटेक्चर है जो मजबूत फीचर डिसेंटैंगलमेंट (feature disentanglement), उत्कृष्ट सिमेंटिक स्पेशलाइजेशन (semantic specialization) प्राप्त करने के लिए अलग-अलग सिमेंटिक और एकोस्टिक शाखाओं को SSL डिस्टिलेशन के साथ जोड़ता है, और बिना किसी SSL मॉडल की इन्फरेंस के दौरान आवश्यकता के, मौजूदा डुअल-स्ट्रीम मॉडलों की तुलना में 3x इन्फरेंस स्पीडअप प्राप्त करता है।
यह शोध पत्र AxisGuide प्रस्तुत करता है, जो एक हल्का (lightweight) तरीका है जो RGB अवलोकनों के भीतर रोबोट बेस-फ्रेम एक्शन कोऑर्डिनेट्स को स्पष्ट रूप से विज़ुअलाइज़ करके विज़ुओमोटर मैनिपुलेशन पॉलिसियों की मजबूती और सामान्यीकरण को बढ़ाता है ताकि सिमेंटिक समझ और लो-लेवल एक्शन निष्पादन के बीच के अंतर को पाटा जा सके।